问财量化选股策略逻辑
选股逻辑为振幅大于1、量比大于1.5、量比小于6、上市大于3年。
选股逻辑分析
- 振幅大于1可以筛选出波动较大、有较大盈利机会的股票。
- 量比大于1.5、量比小于6可以筛选出成交活跃但不过度的股票。
- 上市时间大于3年可以剔除一定的新股，具备一定的成长性和稳定性。
有何风险？
- 存在市场风险和个股风险，需要进行风险控制和仓位管理。
- 根据上市时间剔除新股可能会错过一些潜力股，具体其选择标准也可能因市场环境变化而失效。
如何优化？
- 可以结合其他技术指标、基本面数据等因素，综合考虑选股，降低单一指标风险。
- 可以对选股结果进行动态筛选，如跟踪止盈止损等。
- 应注意市场风险和个股风险，合理控制仓位、分散风险。
最终的选股逻辑
选股逻辑为振幅大于1、量比大于1.5、量比小于6、上市时间大于3年并且当日开盘价低于前一日收盘价。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND (VOL/VOL_MA5>=1.5)
AND (VOL/VOL_MA5<=6)
AND (TRADE_DAYS/243>=1)
python代码参考
import akshare as ak
def select():
data = ak.stock_zh_a_daily_sina(symbol="sh000001")
data.index = pd.to_datetime(data.index)
data = ak.stock_zh_a_spot()
data = data.loc[(data['high']-data['low'])/data['low']>=0.01]
data = data.loc[(data['volume']/data['volume'].rolling(window=5).mean()>=1.5)]
data = data.loc[(data['volume']/data['volume'].rolling(window=5).mean()<=6)]
data['trade_days'] = (pd.to_datetime('today').year - pd.to_datetime(data['ipo_date']).dt.year)*243 + (pd.to_datetime('today').month - pd.to_datetime(data['ipo_date']).dt.month)*21 + (pd.to_datetime('today').day - pd.to_datetime(data['ipo_date']).dt.day)
data = data.loc[data['trade_days']>=243]
data = data.loc[data['open']<data['close'].shift(1)]
return data
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
